작은 사람 탐지를 위한 스케일 매칭

시각 객체 탐지는 심층 컨볼루션 신경망의 발전과 함께 전례 없는 발전을 이루었습니다. 그러나 대규모 이미지에서 20픽셀 미만의 작은 객체(예: 작은 사람)를 탐지하는 것은 여전히 충분히 연구되지 않았습니다. 이러한 극소 객체는 특징 표현에 대한 큰 도전을 제기하며, 방대한 복잡한 배경은 오경고의 위험을 증가시킵니다. 본 논문에서는 TinyPerson이라고 하는 새로운 벤치마크를 도입하여 긴 거리와 방대한 배경에서의 작은 객체 탐지를 위한 유망한 방향을 제시합니다. 실험적으로 우리는 네트워크 사전 훈련을 위한 데이터셋과 탐지기 학습을 위한 데이터셋 간의 스케일 불일치가 특징 표현과 탐지기를 저하시킬 수 있음을 발견했습니다. 따라서 우리는 두 데이터셋 간의 객체 스케일을 일치시켜 작은 객체 표현을 유리하게 하기 위한 간단하지만 효과적인 스케일 매치 접근법을 제안합니다. 실험 결과, 우리가 제안한 접근법이 최첨단 탐지기들에 비해 상당한 성능 향상을 보여주었고, 실제 상황과 관련된 TinyPerson의 도전적인 측면을 보여주었습니다. TinyPerson 벤치마크 및 우리의 접근법에 대한 코드는 공개될 예정입니다.